بهبود عملکرد شبکه توزیع آب شهری با الگوریتم ازدحام ذرات و ترکیب آن با K-Means Logistic Regression: مطالعه ی موردی شهر قاین

بهینه سازی شبکه های توزیع آب شهری نقش مهمی در کاهش هزینه های اجرایی و حفظ شرایط هیدرولیکی مطلوب دارد. این پژوهش با هدف بهینه سازی شبکه توزیع آب شهر قاین از الگوریتم بهینه سازی ازدحام ذرات (PSO) و ترکیب آن با روش های یادگیری ماشینی شامل خوشه بندی-K means و رگرسیون لجستیک بهره گرفته است. مدل سازی شبکه در نرم افزار EPANET انجام شده و فرآیند بهینه سازی در محیط MATLAB پیاده سازی شده است. نتایج نشان داد که الگوریتم PSO به کاهش ۳۰.۰۹ درصدی هزینه های لوله گذاری منجر شد. ترکیب PSO با K-means این کاهش را به ۳۰.۴۸ درصد و ترکیب آن با رگرسیون لجستیک به ۳۰.۸۱ درصد رساند. این یافته ها نشان دهنده تاثیر مثبت ترکیب روش های بهینه سازی و یادگیری ماشینی در بهبود عملکرد شبکه است. لذا مقایسه روش های مورد استفاده نشان داد که ترکیب الگوریتم PSO با تکنیک های یادگیری ماشینی می تواند دقت و کارایی فرآیند بهینه سازی را بهبود بخشد. پژوهش حاضر بر اهمیت استفاده از تکنیک های محاسباتی پیشرفته در مدیریت شبکه های توزیع آب تاکید دارد و می تواند به عنوان الگویی برای بهینه سازی سایر شبکه های مشابه مورد استفاده قرار گیرد.

کلیدواژه ها:

بهینه سازی شبکه آب رسانی ، یادگیری ماشین ، لوله گذاری ، کاهش هزینه ، شبکه های توزیع آب شهری